يساعد جهاز محاكاة Waymo الجديد الباحثين على تدريب عملاء أكثر واقعية
![يساعد جهاز محاكاة Waymo الجديد الباحثين على تدريب عملاء أكثر واقعية يساعد جهاز محاكاة Waymo الجديد الباحثين على تدريب عملاء أكثر واقعية](https://i0.wp.com/techcrunch.com/wp-content/uploads/2023/10/Gif-1.gif?fit=%2C&ssl=1)
تستخدم شركات السيارات ذاتية القيادة أجهزة المحاكاة لتدريب أنظمة القيادة الذاتية الخاصة بها وتعليمها كيفية التعامل مع “الوكلاء” – أشياء مثل المشاة وراكبي الدراجات وإشارات المرور والسيارات الأخرى. للحصول على نظام AV متقدم حقًا، يحتاج هؤلاء الوكلاء إلى التصرف والتفاعل بشكل واقعي مع AV ومع بعضهم البعض.
يعد إنشاء عملاء أذكياء وتدريبهم إحدى المشكلات التي تحاول Waymo حلها، وهو تحدٍ شائع في عالم أبحاث المركبات المستقلة. ولتحقيق هذه الغاية، أطلقت Waymo يوم الخميس جهاز محاكاة جديدًا لمجتمع أبحاث AV الذي يوفر بيئة لتدريب العملاء الأذكياء، مع استكمال عملاء sim المُنشأين مسبقًا ومجموعة كبيرة من بيانات إدراك Waymo.
قال Drago Anguelov، رئيس قسم الأبحاث في Waymo، لـ TechCrunch خلال مقابلة بالفيديو: “تحتوي أجهزة المحاكاة التقليدية على عوامل محددة مسبقًا في كثير من الأحيان، لذلك كتب شخص ما السيناريو حول الطريقة التي من المفترض أن يتصرف بها الوكيل، ولكن هذا ليس بالضرورة الطريقة التي يتصرف بها”.
“في حالتنا، ما يقترن به جهاز المحاكاة هذا هو مجموعة بيانات كبيرة من مركباتنا التي تراقب كيف يتصرف كل شخص في البيئات. من خلال ملاحظة كيف يتصرف الجميع، ما مقدار ما يمكننا تعلمه حول الطريقة التي يجب أن نتصرف بها؟ نحن نطلق على هذا مكونًا مقلدًا أقوى، وهو المفتاح لتطوير أنظمة AV قوية وقابلة للتطوير.
وتقول Waymo إن جهاز المحاكاة، الذي يطلق عليه اسم Waymax، “خفيف الوزن” للسماح للباحثين بالتكرار بسرعة. يعني الوزن الخفيف أن المحاكاة لم يتم تجسيدها بالكامل باستخدام عوامل وطرق ذات مظهر واقعي. بدلاً من ذلك، فهو يعرض تمثيلاً تقريبيًا للرسم البياني للطريق، ويتم تصوير الوكلاء كمربعات محيطة مع سمات معينة مدمجة فيها. إنها في الأساس بيئة أكثر تنظيمًا تسمح للباحثين بالتركيز بشكل أكبر على السلوكيات المعقدة بين مستخدمي الطريق المتعددين بدلاً من التركيز على كيفية قيام الوكلاء بالتركيز على السلوكيات المعقدة بين مستخدمي الطريق المتعددين. ويقول أنجيلوف إن البيئة تبدو.
اعتمادات الصورة: وايمو
المحاكي متاح الآن على GitHub ولكن لا يمكن استخدامه لأغراض تجارية. بل إنه جزء من مبادرة Waymo الأكبر لمنح الباحثين إمكانية الوصول إلى الأدوات – مثل Waymo Open Dataset – التي يمكن أن تساعد في تسريع تطوير المركبات ذاتية القيادة.
تقول Waymo إنها لا تستطيع عرض العمل الذي ينشئه الباحثون باستخدام Waymax، لكن هذا لا يعني أن شركة AV المملوكة لشركة Alphabet لا يمكنها الاستفادة من مشاركة أدواتها وبياناتها.
تستضيف Waymo بانتظام تحديات للباحثين للمساعدة في حل المشكلات المتعلقة بالمركبات الذاتية القيادة. وفي عام 2022، نظمت الشركة أحد هذه التحديات بعنوان “Simulated Agents”. قامت شركة Waymo بملء جهاز محاكاة بالوكلاء وكلفت الباحثين بتدريبهم على التصرف بشكل واقعي فيما يتعلق بسيارتها الاختبارية. أثناء بدء التحدي، أدركت Waymo أنها لا تمتلك بيئة قوية بما يكفي لتدريب العملاء. لذلك تعاونت Waymo مع Google Research لتطوير بيئة أكثر ملاءمة يمكن تشغيلها بطريقة حلقة مغلقة، أو بيئة يتم فيها مراقبة سلوك النظام وتعديله باستمرار لتحقيق نتائج ذات معنى.
وهذه هي الطريقة التي وصل بها Waymo إلى Waymax.
ويقول أنجيلوف إن وايمو ستعيد على الأرجح هذا التحدي العام المقبل باستخدام جهاز المحاكاة الجديد. تسمح هذه الأنواع من التحديات للشركة بمعرفة مدى تقدم صناعة المركبات المستقلة في مشكلات معينة – مثل البيئات متعددة الوكلاء – ومعرفة كيفية مقارنة تقنيات Waymo.
وقال أنجيلوف: “إن مجموعة بيانات Waymo المفتوحة وأجهزة المحاكاة هذه هي طريقتنا لتوجيه المناقشة الأكاديمية أو البحثية نحو الاتجاهات التي نعتقد أنها واعدة، ومن ثم سنتطلع إلى رؤية ما سيطوره الناس”، مشيرًا إلى أن هذه التحديات تساعد أيضًا في جذب الاهتمام، وبالتالي الموهبة، في مجال أبحاث المركبات الفضائية والروبوتات.
وقال الباحث أيضًا إن محاكي Waymax يمكن أن يساعد في فتح التحسينات في التعلم المعزز، مما قد يؤدي إلى عرض أنظمة AV لسلوك ناشئ. التعلم المعزز هو مثال لمصطلح التعلم الآلي حيث يتعلم الوكيل اتخاذ القرارات من خلال التفاعل مع البيئة وتلقي التعليقات في شكل مكافآت أو عقوبات لكل إجراء يقوم به – على غرار الطريقة التي يتحرك بها البشر عبر العالم. في حالة العملاء، قد يحصل أحد المشاة المحاكيين على مكافأة مقابل عدم الاصطدام بمشاة أخرى، على سبيل المثال.
يقول أنجيلوف إن هذا يمكن أن يؤدي إلى سلوك ناشئ، أو سلوك لا يظهره الإنسان بالضرورة، مثل أنواع مختلفة من تغيير المسار أو حتى موافقة العديد من المركبات على القيادة باستمرار إذا تعرفت على بعضها البعض على أنها مركبات ذاتية القيادة. وقد تكون النتيجة قيادة ذاتية أكثر أمانًا.